1. 异常检测：如果你有很少的正样本，但有大量的负样本，在对 p(x) 进行估计并且拟合那些高斯参数的过程中只需要负样本，依然可以很好地拟合 p(x)。
监督学习：监督学习一般来讲正负样本数量都应该比较大。
2.异常检测：未来的异常可能跟你已经见过的完全不同，此时应该对负样本进行建模，建立这个高斯模型 p(x)，而不是很费力地对正样本进行建模。
监督学习：未来的正样本跟训练集中的很相似，在这样的条件下用监督学习算法似乎更加合理。既使用大量的正样本，也使用大量的负样本，并且尝试对正负样本进行分类。
关键的区别就是在异常检测算法中，只有一小撮正样本，因此学习算法不可能从这些正样本中学出太多东西，因此取而代之的是我们使用一组大量的负样本，这样样本就能学到更多。
异常检测VS监督学习
异常检测VS监督学习
